原文連結：http://www.cnblogs.com/eudiwffe/p/6282635.html

LintCode有大部分題目來自LeetCode，但LeetCode比較卡，下面以LintCode為平臺，簡單介紹我AC的幾個題目，並由此引出一些演算法基礎。

1）兩數之和（two-sum）

題目描述：

給一個整數陣列，找到兩個數使得他們的和等於一個給定的數 target。

你需要實現的函式twoSum需要返回這兩個數的下標, 並且第一個下標小於第二個下標。注意這裡下標的範圍是 1 到 n，不是以 0 開頭。

注意：你可以假設只有一組解。

樣例：給出 numbers = [2, 7, 11, 15]

, target = 9, 返回 [1, 2]，即數字2,7

程式碼介面：

1 2 3 4 5 6 7 8 9 10 11

class Solution { public: /* * @param numbers : An array of Integer * @param target : target = numbers[index1] + numbers[index2] * @return : [index1+1, index2+1] (index1 < index2) */ vector<int> twoSum(vector<int> &nums, int target) { // write your code here } };

常見的思路是：兩層for迴圈，任意兩個數組合求其和，判斷是否等於給定的target。但這樣太慢，需要O(n^2)的時間，O(1)的額外空間。可以反過來思考，假如當前選擇了一個數字a，那麼為了滿足條件，另一個數字b必須滿足：b=targe-a，即在陣列中尋找是否存在b。

如何快速尋找陣列中是否存在一個數字b？假如陣列是有序的，可以使用二分查詢

方法，其查詢時間複雜度是O(logn)。然而題目並沒給定這個條件。如果對陣列排序，首先就要O(nlogn)的時間進行排序，並且排序後，數字的原始下標也要儲存，顯然需要O(nlogn)的時間以及O(n)的空間，並不是最好的方法。

如何對一個數組進行快速查詢一個元素？演算法中提供了一種方法——雜湊（Hash），即對陣列中的每個元素按照某種方法（hash function）計算其“唯一”值id（稱為雜湊值），儲存在新的陣列A中（一般稱為雜湊陣列），並且其下標就是這個“唯一”值。那麼如果訪問A[id]存在，則這個元素存在，否則，原始陣列中不存在該元素。由於陣列是順序儲存的支援隨機訪問，所以查詢一個元素是否在陣列中，只需要O(1)的時間，但是在初始化雜湊陣列時，需要O(n)的時間和O(n)的空間。對於某些特定應用中，需要快速的時間，而對空間要求不苛刻時，雜湊陣列是一個非常好的方法。為了能夠滿足各種應用場景，又衍生出容量大小可以動態增長的雜湊集合(hash set)、雜湊對映(hash map)，STL提供了關於雜湊的兩個類：unordered_set和unordered_map，前者只儲存元素，後者可以再增加額外的標誌資訊。詳細的內容，請自行補充。

由於構造的雜湊陣列，其元素的下標已經改變了，所以需要額外儲存元素原始的下標，因此此題使用unordered_map<int,int>，其儲存的內容為<元素值，元素原始下標>，詳細程式碼：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

class Solution {